基于深度三维内容自适应超网络的 MRI 盲图像质量评估
图像与视频处理
2021-07-16 v1
摘要
图像质量评估（IQA）在基于磁共振成像（MRI）的分析流程中具有重要价值。由于通常无法获得高质量参考 MRI 图像，盲 IQA（BIQA）方法尤为必要。近年来，许多研究致力于开发基于深度学习的 BIQA 方法。然而，由于使用了简单的内容非自适应网络参数，且浪费了医学图像重要的三维空间信息，这些方法的性能受到限制。为解决这些问题，我们设计了一种用于 MRI BIQA 的三维内容自适应超网络。整体三维配置能够从 MRI 图像中挖掘全面的三维空间信息，而所开发的内容自适应超网络增强了网络参数的自适应能力，从而提升了 BIQA 性能。所提方法在公开数据集 MRIQC 上进行了充分评估，相较于相应基线及 4 种最先进的 BIQA 方法取得了优异性能。我们的代码已发布于 \url{https://git.openi.org.cn/SIAT_Wangshanshan/HyS-Net}。
引用
@article{arxiv.2107.06888,
title = {Blind Image Quality Assessment for MRI with A Deep Three-dimensional content-adaptive Hyper-Network},
author = {Kehan Qi and Haoran Li and Chuyu Rong and Yu Gong and Cheng Li and Hairong Zheng and Shanshan Wang},
journal= {arXiv preprint arXiv:2107.06888},
year = {2021}
}
备注
11 pages, 3 figures, 2 tables